Novas pesquisas sugerem que a crise de extinção pode ser ainda pior do que pensávamos. Mais da metade das espécies que até agora escaparam de qualquer avaliação oficial de conservação estão ameaçadas de extinção, segundo previsões de pesquisadores da Universidade Norueguesa de Ciência e Tecnologia.
Os recursos de conservação são limitados e não são viável ou lógico para proteger cada quilômetro quadrado de terra e mar. Então, para mitigar a rápida perda de biodiversidade, para onde devem ir nossos recursos de conservação? Para responder a esta pergunta, primeiro precisamos saber quais espécies proteger.
A União Internacional para a Conservação da Natureza coordena uma rede de cientistas que avaliaram informações biológicas disponíveis para todos os tipos de espécies em todo o mundo por mais de 50 anos, publicando suas descobertas na Lista Vermelha de Espécies Ameaçadas. Seu objetivo tem sido identificar espécies que precisam de proteção com uma categoria de conservação de risco de extinção atribuída.
É a Lista Vermelha que confirma que os tigres estão oficialmente ameaçados de extinção, por exemplo, ou que as populações de pandas gigantes se recuperaram o suficiente para passar de ameaçadas a meramente vulneráveis.
No entanto, enquanto espécies como pandas e tigres são bem estudadas, os pesquisadores não sabem o suficiente sobre algumas espécies para avaliar adequadamente seu estado de conservação. Essas espécies “com deficiência de dados” representam cerca de 17% das quase 150.000 espécies atualmente avaliadas.
Ao analisar dados de conservação, é comum os pesquisadores removerem ou subestimarem suposições de ameaça para essas espécies, a fim de controlar variações desconhecidas ou erros de julgamento. Agora, esses pesquisadores na Noruega tentaram lançar luz sobre o buraco negro de risco de extinção desconhecido, projetando um modelo de aprendizado de máquina que prevê a ameaça de extinção para essas espécies deficientes de dados.
Aprendizado de máquina para avaliação de extinção
Quando se pensa em inteligência artificial e aprendizado de máquina é fácil imaginar robôs, simulações de computador e reconhecimento facial. Na realidade, pelo menos na ciência ecológica, o aprendizado de máquina é simplesmente uma ferramenta analítica usada para executar milhares de cálculos para melhor representar os dados do mundo real que temos.
Neste caso, os pesquisadores noruegueses simplificaram as categorias de extinção da Lista Vermelha em um modelo de “classificador binário” para prever a probabilidade de espécies com deficiência de dados serem provavelmente “ameaçadas” ou “não ameaçadas” de extinção . O algoritmo do modelo “aprendeu” com padrões matemáticos encontrados em dados biológicos e bioclimáticos dessas espécies com uma categoria de conservação já atribuída na Lista Vermelha.
Eles encontraram mais da metade (56%) das espécies com deficiência de dados estão previstas para serem ameaçadas, o que é o dobro dos 28% do total de espécies atualmente avaliadas como ameaçadas na Lista Vermelha. Isso reforça a preocupação de que as espécies com deficiência de dados não são apenas pouco pesquisadas, mas correm o risco de se perder para sempre.
Em terra, essas espécies terrestres provavelmente ameaçadas são encontradas em todos os continentes, mas vivem em pequenas áreas geograficamente restritas. Essa descoberta apoia pesquisas anteriores com conclusões semelhantes de que espécies com tamanhos de distribuição pequenos são particularmente vulneráveis à degradação antropogênica do habitat, como desmatamento ou urbanização.
Anfíbios em risco
Os anfíbios são o grupo de maior risco, com 85% dessas espécies deficientes de dados previstas como ameaçadas (em comparação com 41% daqueles atualmente avaliados na Lista Vermelha). Os anfíbios já são um garoto-propaganda da crise de extinção e são um indicador-chave para a saúde ecológica, pois dependem tanto da terra quanto da água. Não sabemos o suficiente sobre o que causa a extinção tão catastrófica de anfíbios, e faço parte de uma iniciativa científica que tenta resolver o problema.
Dúzias de espécies de sapos-arlequim na América Central e do Sul foram descobertas e quase todas já estão criticamente ameaçada ou extinta em apenas algumas décadas. goran_safarek / shutterstock
É uma história um pouco diferente, mas ainda trágica, no mar. Espécies marinhas deficientes em dados que se prevê estarem em extinção estão concentradas ao longo das costas, particularmente no sudeste da Ásia, na costa leste do Atlântico e no Mediterrâneo. Quando espécies deficientes de dados são combinadas com espécies totalmente avaliadas na Lista Vermelha, há um aumento de 20% na probabilidade de extinção ao longo das costas orientais da América Latina tropical.
O que isso significa para a conservação global
Embora seja provável que a necessidade de conservação tenha sido subestimada em todo o mundo, essas previsões de probabilidade são altamente variável em diferentes áreas e grupos de espécies, portanto, não se engane ao generalizar demais essas descobertas. Mas esses resultados amplos destacam por que é tão importante investigar melhor as espécies com deficiência de dados.
O uso de ferramentas de aprendizado de máquina pode ser uma maneira econômica e em termos de tempo e custo de aprimorar a Lista Vermelha e ajudar a superar a difícil decisão de onde e o que proteger, auxiliando ações de conservação direcionadas e expandindo áreas protegidas nesses buracos negros da biodiversidade.
